NUWA 评测档案
ForesightSafety-VLA
13 类分类、66 个基础场景、5 种具身；联合报告安全/不安全成功与失败，另有累计安全成本和风险暴露时间。
证据补充 · 2026-10-28
模型辅助整理 · 独立证据及双语编辑复核待完成。以下数值为来源发现或材料计数，与趋势结果序列分开保存。
原文数值与条件（2 条）
计数、比例与对比效应使用不同单位。样本数量不等于独立实验数量；未披露的分子和区间水平保持未知。
| 系统／指标 | 原文数值 | 总体与条件 |
|---|---|---|
| Base scenarios | 66 场景 | 条件、限制与来源Inventory count, not outcome denominator or severity. 原文 ↗ · Abstract; benchmark design; text lines 00082,00084,00134,00141,00146,00147Original capture 2026-10-28T07:24:44.372873+00:00; sha256:303708eaa7bcf2e1d96cd551279703949de0dff652b1b5b86e0cd2dd5905329a |
| Safety categories | 13 类别 | 条件、限制与来源Inventory count, not outcome denominator or severity. 原文 ↗ · Abstract; benchmark design; text lines 00082,00098,00100,00146Original capture 2026-10-28T07:24:44.372873+00:00; sha256:303708eaa7bcf2e1d96cd551279703949de0dff652b1b5b86e0cd2dd5905329a |
任务与测量
Benchmark 协议档案
- 任务／对象
- 协议覆盖 13 类安全问题、66 个基础场景和 5 种具身；语言与视觉变化叠加在基础场景上。结果区分安全成功、安全失败、不安全成功和不安全失败，并辅以累计安全成本与风险暴露指标。
- 测量目标
- 结构、语言、视觉变化分别如何影响具身安全？
- 解释边界
- 语言和视觉变化叠加在基础场景上，不是另外新增的独立任务；指标依赖仿真安全阈值。
测量档案 · NUWA 解读
档案区分来源方法阅读与既有目录信息；已经公开不代表完成独立证据复核或双语编辑复核。
- 测量构念
- 结构、语言、视觉变化分别如何影响具身安全？
- 任务与样本
- 协议覆盖 13 类安全问题、66 个基础场景和 5 种具身；语言与视觉变化叠加在基础场景上。结果区分安全成功、安全失败、不安全成功和不安全失败，并辅以累计安全成本与风险暴露指标。
- 判分与失效情形
- 保留安全／不安全成功与失败、过程成本分量。语言与视觉叠加条件不额外计为独立基础场景。
- 系统条件
- 来源特定接口与构造任务条件；此次阅读不确立与其他协议的匹配可比性。
- 统计含义
- 逐指标保留证据表的总体、重复和区间定义；未给出的事件分子保持未知。
- 效度与解释
- 语言和视觉变化叠加在基础场景上，不是另外新增的独立任务；指标依赖仿真安全阈值。
- 适用研究问题
- NUWA 建议：为物理安全页面补充过程指标，保留原始分量，避免只采用综合标量。
- ForesightSafety-VLA: A Unified Diagnostic Safety Benchmark for Vision-Language-Action Models · §§III–V; discussion; text lines 00082,00084,00134,00141,00146,00147Original resource captured 2026-10-28T07:24:44.372873+00:00; sha256:303708eaa7bcf2e1d96cd551279703949de0dff652b1b5b86e0cd2dd5905329a
原始来源图表与材料
原始材料选读已形成测量档案。已转录数值保留在私有记录证据表；本批未新增获批图表或导入论文图。
相关研究问题
自主物理危害 / 受控物理行动 →
编辑范围关联；不同测量的成绩不等价。
参考文献
- [1] Mingyang Lyu, Yinqian Sun 等. ForesightSafety-VLA: A Unified Diagnostic Safety Benchmark for Vision-Language-Action Models